我有一个大熊猫数据框(数千万行),其中包含一列UTC时间和时区。我想基于其他两个列创建一个包含行的本地时间的列。
我最初的尝试是使用df.apply
,它在我正在测试的小样本上工作,但是非常慢,并且不足以处理整个数据:
df['LoginTimeLocal'] = \
df.apply(lambda row: row.LoginTimeUtc.tz_localize('UTC').tz_convert(row.TimeZoneCode))
这将导致添加新列,其中包含本地时间中的日期时间以及时区信息。
我遇到了这个答案,它提供了一种有效的矢量化方法来执行类似的操作。我将此代码重新用于执行我想要的操作,但它似乎仅在新列仅包含具有相同时区(或没有时区信息)的日期时才起作用。这是我的代码:
# localize all utc dates
df['LoginTimeUtc'] = df['LoginTimeUtc'].dt.tz_localize('UTC')
# initialize LoginTimeLocal column (probably not necessary)
df['LoginTimeLocal'] = df['LoginTimeUtc']
# for every time zone in the data
for tz in df.TimeZoneCode.unique():
mask = (df.TimeZoneCode == tz)
# make entries in a new column with converted timezone
df.loc[mask, 'LoginTimeLocal'] = \
df.loc[mask,'LoginTimeLocal'].dt.tz_convert(tz)
如果我对仅包含一个时区(即len(df.TimeZoneCode.unique()) = 1
)中日期的数据样本执行此操作,则可以正常工作。一旦数据框中有两个或多个时区,我就会得到一个ValueError: incompatible or non tz-aware value
。
谁能看到这里出了什么问题?
演示:
来源DF:
In [11]: df
Out[11]:
datetime time_zone
0 2016-09-19 01:29:13 America/Bogota
1 2016-09-19 02:16:04 America/New_York
2 2016-09-19 01:57:54 Africa/Cairo
3 2016-09-19 11:00:00 America/Bogota
4 2016-09-19 12:00:00 America/New_York
5 2016-09-19 13:00:00 Africa/Cairo
解:
In [12]: df['new'] = df.groupby('time_zone')['datetime'] \
.transform(lambda x: x.dt.tz_localize(x.name))
In [13]: df
Out[13]:
datetime time_zone new
0 2016-09-19 01:29:13 America/Bogota 2016-09-19 06:29:13
1 2016-09-19 02:16:04 America/New_York 2016-09-19 06:16:04
2 2016-09-19 01:57:54 Africa/Cairo 2016-09-18 23:57:54
3 2016-09-19 11:00:00 America/Bogota 2016-09-19 16:00:00
4 2016-09-19 12:00:00 America/New_York 2016-09-19 16:00:00
5 2016-09-19 13:00:00 Africa/Cairo 2016-09-19 11:00:00
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句